A Data-Driven Exploration of Invertebrate Behavioural Fingerprinting for Advanced Ecotoxicological Monitoring in Effluent Environments
Analyse des réponses comportementales par approches Data-Driven pour la surveillance écotoxicologique des effluents : Application à trois invertébrés
Résumé
This PhD looks to address the growing demand for advanced ecotoxicological tools for effluent monitoring, in light of stricter water quality standards and increased monitoring requirements. Focusing on real-time effluent monitoring, the project ToxPrints aims to utilise the behavioural changes in aquatic organisms caused by chemical pollution surges. This industry PhD extends the collaboration with Viewpoint, co-creators of the ToxMate biomonitoring system, currently in use in French wastewater treatment plants (WWTP). The primary goal of ToxPrints is to discover "behavioural fingerprints," patterns in behavioural responses that can identify the nature of chemical pollution. The research involves three main objectives: characterising behavioural differences in response to chemical contamination for a single species, defining behavioural fingerprints for a set of substances at both single and combined species levels, and grouping these fingerprints to uncover links between contamination nature and behavioural alterations. Extensive data collection through ToxMate experiments was the first step in creating a behavioural database for over 50 micropollutants relevant to wastewater treatment. Field data used in the research comes from monitoring sites, and continuously enriches the database with naturally occurring chemical surge events. The subsequent data analysis is heavily based on functional data analysis (FDA), a rapidly developing field of applied maths suitable for time series classification with statistical techniques such as PCA and supervised and unsupervised machine learning algorithms. (As well as some deep learning techniques) The project ultimately aims to understand the structural properties linking groups of contaminants to look to compare them with in-silico toxicity prediction tools such as quantitative structure-activity relationship (QSAR) models used in risk assessment. We also look to enhance the identification of unknown chemical surges in complex media such as WWTP effluents, to move towards better water treatment and limit toxic impacts on the receiving environment.
En vue des intensifications des normes de qualité de l'eau et des exigences en surveillance des rejets, ToxPrints cherche à répondre à la demande croissante d'outils écotoxicologiques pour la surveillance des rejets. S’inscrivant dans la surveillance des effluents en temps réel, ToxPrints vise à utiliser les changements de comportement locomoteur des organismes aquatiques, provoqués par des épisodes de pollution chimique, afin de mieux décrire les sources de transfert de micropolluants vers le milieu aquatique. Ce projet prolonge la collaboration avec Viewpoint, co développeur du système de biosurveillance ToxMate actuellement utilisé dans les stations d'épuration (STEP) en France. L'objectif de ToxPrints est de dévoiler les "empreintes comportementales", c'est-à-dire des patrons de réponses comportementales permettant d'identifier la nature de la pollution chimique, pour plus de 50 micropolluants pertinents dans les STEPs. Les recherches comportent trois objectifs principaux : caractériser les différences comportementales en réponse à la contamination chimique pour une seule espèce, définir des empreintes comportementales multi-espèces pour l’ensemble de substances, et regrouper ces empreintes pour découvrir des liens entre la nature de la contamination et les altérations comportementales. Pour atteindre ces objectifs, une collecte massive de données a été réalisée par un travail exhaustif d’expérimentation avec le ToxMate, créant une base de données comportementales pour les micropolluants choisis. Les données de terrain enrichissent la base de données avec de vrais événements chimiques. L'analyse des données a été réalisée à l'aide des analyses fonctionnelles (FDA), un domaine des mathématiques appliquées qui permet d'analyser les séries temporelles à l'aide de techniques statistiques telles que l'ACP et les algorithmes de classification supervisés et non Le projet vise donc à comprendre les propriétés structurelles reliant les groupes de contaminants et à les comparer aux modèles de toxicité chimique tels que les QSAR, afin d'améliorer l'identification des grands transferts de micropolluants inconnues dans des milieux complexes tels que les effluents.
| Origine | Version validée par le jury (STAR) |
|---|
